Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Syafana, Vinka
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Angka Kelahiran dalam Berbagai Kelompok Umur Ibu Menggunakan Metode K-Nearest Neighbor: Prediction of Birth Rates in Different Age Groups of Mothers Using the K-Nearest Neighbor (K-NN) Method Syafana, Vinka; Hilabi, Shofa Shofiah; Novalia, Elfina; Huda, Baenil
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 4 No. 3 (2024): MALCOM July 2024
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v4i3.1392

Abstract

Studi ini bertujuan untuk mengembangkan prediksi angka kelahiran dalam berbagai kelompok umur ibu melalui pendekatan metode K-Nearest Neighbors (K-NN) dalam suatu sistem informasi. Penelitian ini difokuskan pada analisis dinamika kelahiran dalam konteks kelompok umur ibu, yang merupakan informasi kritis dalam perencanaan kebijakan kesehatan dan pengembangan sosial. Metode K-NN digunakan sebagai pendekatan analisis utama untuk meramalkan angka kelahiran, memanfaatkan pola kemiripan dalam karakteristik kelompok umur ibu. Integrasi metode K-NN dalam sistem informasi memungkinkan pengelolaan dan analisis data yang lebih efisien untuk mendukung kebijakan perencanaan keluarga. Data yang digunakan mencakup variabel demografis, ekonomi, dan sosial yang dapat memengaruhi tingkat kelahiran. Hasil prediksi angka kelahiran diharapkan dapat memberikan wawasan mendalam tentang perubahan dinamis dalam struktur kelahiran, memungkinkan pemahaman yang lebih baik untuk mengarahkan kebijakan kesehatan dan strategi intervensi yang lebih terarah. Penelitian ini menghadirkan kontribusi pada pengembangan sistem informasi yang dapat mendukung analisis prediktif dalam konteks kelahiran. Implikasi temuan ini relevan untuk kebijakan kesehatan, demografi, dan perencanaan keluarga, serta dapat membantu merancang langkah-langkah intervensi yang lebih efektif dan tepat sasaran.
Co-Authors Hilabi, Shofa Shofiah Huda, Baenil Novalia, Elfina